CN116318457A - 一种无线电信号监测方法及*** - Google Patents
一种无线电信号监测方法及*** Download PDFInfo
- Publication number
- CN116318457A CN116318457A CN202310554057.5A CN202310554057A CN116318457A CN 116318457 A CN116318457 A CN 116318457A CN 202310554057 A CN202310554057 A CN 202310554057A CN 116318457 A CN116318457 A CN 116318457A
- Authority
- CN
- China
- Prior art keywords
- signal
- abnormal
- abnormal signal
- positioning
- monitoring
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000002159 abnormal effect Effects 0.000 claims abstract description 226
- 238000012545 processing Methods 0.000 claims abstract description 28
- 230000002776 aggregation Effects 0.000 claims abstract description 17
- 238000004220 aggregation Methods 0.000 claims abstract description 17
- 230000005236 sound signal Effects 0.000 claims description 19
- 238000001514 detection method Methods 0.000 claims description 18
- 230000011218 segmentation Effects 0.000 claims description 16
- 238000001228 spectrum Methods 0.000 claims description 16
- 238000005259 measurement Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000008034 disappearance Effects 0.000 claims description 6
- 238000012806 monitoring device Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 description 8
- 239000012634 fragment Substances 0.000 description 8
- 238000007726 management method Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000013500 data storage Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000007792 addition Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/10—Monitoring; Testing of transmitters
- H04B17/15—Performance testing
- H04B17/17—Detection of non-compliance or faulty performance, e.g. response deviations
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/04—Segmentation; Word boundary detection
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
- G10L21/0216—Noise filtering characterised by the method used for estimating noise
- G10L21/0232—Processing in the frequency domain
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
- G10L25/18—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being spectral information of each sub-band
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04H—BROADCAST COMMUNICATION
- H04H20/00—Arrangements for broadcast or for distribution combined with broadcast
- H04H20/12—Arrangements for observation, testing or troubleshooting
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Signal Processing (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Quality & Reliability (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种无线电信号监测方法及***,属于无线电监测技术领域,包括以下步骤:频段扫描,并与***台站等数据库比对,进而确定异常信号;获取异常信号出现的各时段定位信息;对定位信息进行聚合处理,得到异常信号的最终定位坐标。本发明将各时段出现的同一异常信号的多次定位信息进行聚合处理,进而根据多次定位坐标信息对最终定位结果进行修正,避免因单次误差较大导致定位结果可信度降低从而造成最终定位结果精度不高的问题,以此保证异常信号的发射源的定位精度。
Description
技术领域
本发明涉及无线电监测技术领域,尤其涉及一种无线电信号监测方法及***。
背景技术
常规无线电监测指监测站日常工作中的各项监测活动,即按频率指配表监测已核准电台的有关参数,并建档存库,其主要包括无线电台发射电波参数的测量,无线电频谱利用的监测,未登记的不明信号的监测、测向和查找等。
针对不明信号如黑广播等的监测,目前主要通过对无线电信号频段进行扫描监听;进一步地,现有技术提出利用语音识别技术将监听的音频信号转换为文本,再与黑广播关键词库进行比对,从而判断监听到的广播是否为黑广播。当确认黑广播当异常信号后,需进一步对异常信号发射源进行定位,现有技术一般通过多个监测站对异常信号进行测量和测向,进而确定目标位置。上述无线电定位方法仅根据单次异常信号测向结果计算确定最终定位结果,存在异常信号定位误差较大的问题。
发明内容
本发明的目的在于克服现有技术的问题,提供一种无线电信号监测方法及***。
本发明的目的是通过以下技术方案来实现的:一种无线电信号监测方法,该方法包括以下步骤:
频段扫描,并与台站数据库比对,进而确定异常信号;
获取异常信号出现的各时段定位信息;
对定位信息进行聚合处理,得到异常信号的最终定位坐标。
在一示例中,所述对定位信息进行聚合处理的计算式为:
其中,(x,y)表示异常信号的最终定位坐标;i,n分别为求和符号下界、上界;r表示异常信号强度值;P(Li│r)表示各时段定位位置坐标概率,作为异常信号指纹点的权重;(xi,yi)表示异常信号各时段定位位置坐标。
在一示例中,所述获取异常信号出现的各时段定位信息包括:
对各时段的原始异常信号进行分析,得到异常信号各时段的测向方位信息;
对多站同时段出现的测向方位进行多站定位得到异常信号各时段定位信息。
在一示例中,所述对各时段的原始异常信号进行分析前还包括:
判断异常信号ITU幅度是否大于门限值,若大于,将原始异常信号进行存储,记录异常信号出现时间的时间戳、各帧异常信号对应的时间戳、异常信号持续时长,在异常信号消失时记录异常信号消失时间的时间戳。
在一示例中,所述确定异常信号后还包括:
建立异常信号列表,对异常信号列表中的频点进行中频测量,进而采集异常信号的ITU参数、频谱数据、音频数据。
在一示例中,所述方法还包括异常信号属性判断步骤:
将异常信号的音频数据转换为文本信息;
根据关键词库对文本进行关键词检索,进而判断信号属性。
在一示例中,所述将异常信号的音频数据转换为文本数据前还包括音频信号分割步骤:
将音频信号段的平均短时能量、平均短时过零率与端点检测阈值进行比较,进而进行端点检测实现音频信号分割。
需要进一步说明的是,上述方法各示例对应的技术特征可以相互组合或替换构成新的技术方案。
本发明还包括一种无线电信号监测***,与上述任一示例或者多个示例组合形成的无线电信号监测方法具有相同的发明构思,该***包括互联的监测设备和控制中心;
所述监测设备包括频段扫描模块、异常信号识别模块和基础信息提取模块;
频段扫描模块用于进行频段扫描;异常信号识别模块用于将频段扫描得到的无线电信号与台站数据库进行比对,进而确定异常信号;基础信息提取模块用于获取异常信号出现的各时段定位信息;
控制中心包括聚合定位模块,用于对定位信息进行聚合处理,得到异常信号的最终定位坐标。
在一示例中,所述***包括若干监测设备,监测设备包括数字接收机,与数字接收机连接的监测天线。
在一示例中,所述控制中心连接有上位机。
需要进一步说明的是,上述***各示例对应的技术特征可以相互组合或替换构成新的技术方案。
与现有技术相比,本发明有益效果是:
1.在一示例中,将各时段出现的同一异常信号的多个定位信息进行聚合处理,进而根据多次定位坐标信息对最终定位结果进行修正,避免因单次误差较大定位结果降低最终定位结果精度的问题,以此保证异常信号的发射源的定位精度。
2.在一示例中,通过比较幅度门限值触发原始异常信号存储机制,进而实现原始异常信号的有效存储,获取异常信号的时间戳信息,确定各异常信号出现的时段。
3.在一示例中,将异常信号转换为文本数据,再进行关键词检索,进而获取异常信号的语义信息,基于语义信息进而确定异常信号对应的信号属性。
4.在一示例中,基于短时能量、短时过零率去除静音信号、噪音信号,保留含有语义信息的语音信号,仅需对有效语音进行识别,避免对空白片段、噪音片段、背景音频片段进行识别,在语音识别效率提升的同时提升了语音识别的可靠度。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明,此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,在这些附图中使用相同的参考标号来表示相同或相似的部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。
图1为本发明一示例中的监测方法流程图;
图2为本发明一示例中的异常信号处理方法流程图;
图3为本发明一示例中的异常信号发现及处理方法流程图;
图4为本发明一示例中***组成框图。
具体实施方式
下面结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,属于“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方向或位置关系为基于附图所述的方向或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,使用序数词 (例如,“第一和第二”、“第一至第四”等 )是为了对物体进行区分,并不限于该顺序,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,属于“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
在一示例中,如图1所示,一种无线电信号监测方法,具体包括以下步骤:
S1’:频段扫描得到无线电信号,将无线电信号与台站数据进行比对,进而确定异常信号;
S2’:获取异常信号出现的各时段定位信息;
S3’:对定位信息进行聚合处理,得到异常信号的最终定位坐标。
其中,台站信号为各合法站台发射的无线电信号,包括信号频率、频谱、ITU参数等,ITU参数包括电平、场强、带宽等。比对扫描得到的无线电信号与台站数据时,台站数据相当于一模板数据库,若无线电信号超出了台站库的记载范围,判断当前无线电信号为非法的异常信号。
进一步地,异常信号的定位信息可结合多个站点中测向设备测得的示向度信息进而实现对当前时段出现的异常信号的初步定位,得到初步定位坐标。针对各时段出现的异常信号,可通过异常信号的频率、电平、场强、带宽等实现对同一异常信号的判断。当然,异常信号出现的时段所属时间周期可自由设置,本示例为24小时对各初步定位结果进行一次聚合处理。
进一步地,本发明中聚合处理是将各时段异常信号的初步定位坐标赋予一定权重,最后求和得到各时段出现的同一异常信号的最终定位结果,根据多次定位坐标信息对最终定位结果进行修正,避免因单次误差较大定位结果降低最终定位结果精度的问题,保证了异常信号的发射源的定位精度。
在一示例中,假设整个工作流程中对测突发异常信号的定位结果共有n个,分别标记为L(L1,L2,L3,…Ln),定位位置坐标为Li(Xi,Yi),i=1,2,3,…,n,被测突发异常信号的信号强度值r=(RSSIi1, RSSIi2, RSSIi3, RSSIin),则获得定位位置的概率为P(Li|r);将P(Li|r)作为各个指纹点的权重,(Xi,Yi)为第i点的定位位置坐标,则被测突发异常信号的最终定位位置坐标计算如下:
其中,(x,y)表示异常信号的最终定位坐标;i,n分别为求和符号下界、上界。通过将多次定位结果进行聚合处理,以各次定位位置概率作为权重,从而实现的定位精度最优化。
在一示例中,识别出异常信号后,还包括:
建立异常信号列表,对异常信号列表中的频点进行中频测量,进而采集异常信号的ITU参数、频谱数据、音频数据,优选将上述采集数据信息上传,便于后续进行文本转换处理。
在一示例中,获取异常信号出现的各时段定位信息包括:
S21’:对各时段的原始异常信号进行分析,如通过测向设备对原始信号进行测向,进而得到异常信号各时段的测向方位信息;
S22’:对多站同时段出现的测向方位进行多站定位得到异常信号各时段定位信息。其中,多站定位即从两个以上侦测点(站点)测量同一电磁辐射源辐射信号(无线电信号)的到达方向(示向度),优选采用三个构成三角形区域临近空闲监测站点作为侦测点,对异常信号进行长时驻留监测测向,然后根据示向度等实现异常信号的精准定位。
突发异常信号侦测是对突发异常信号出现时间、持续时长、消失时间、电平均值、电平峰值、示向度方位等进行统计,并利用多站点的示向度实现对突发异常信号出现的每个时段的自动定位,并在地图上绘制每个时段的定位结果,完成所有时段的定位结果计算后对多次定位结果的聚合计算,确定定位的最大概率区域并再地图上进行绘制。通过对突发异常信号侦测,为航空信号突发干扰、GPS北斗信号突发干扰、AIS、ADS-B等突发干扰信号的排查提供强有力的手段。
在一示例中,对各时段的原始异常信号进行分析前还包括:
判断异常信号ITU幅度是否大于门限值,若大于,将原始异常信号进行存储,记录突发异常信号出现时间的时间戳、各帧异常信号对应的时间戳(异常信号持续工作时间段中每帧原始数据的当前时间戳)、异常信号持续时长,在异常信号消失时记录异常信号消失时间的时间戳。本示例中,通过比较幅度门限值触发原始异常信号存储机制,进而实现原始异常信号的有效存储,获取异常信号的时间戳信息,确定各异常信号出现的时段。
优选地,确定异常信号后,对异常信号的发射时长进行统计,对持续发射持续时间小于10秒且频谱特征与人工录入的突发异常信号频谱相似度高于设定值如80%的信号标注为突发异常信号;根据突发异常信号的ITU参数的幅度值设定好原始数据存储门限,实现只对突发异常信号工作时的原始数据(包括信号的频谱、ITU、IQ、音频、示向度)进行存储,在异常信号ITU幅度大于门限时数据存储服务写入原始数据并在原始数据中记录当前时间戳Ts1,在突发异常信号持续工作时间段记录每帧原始数据的当前时间戳T,当异常信号消失时原始数据记录时间戳Te1, 数据存储服务停止原始数据记录并处于等待状态;当异常信号ITU幅度再次大于门限时数据存储服务继续写入原始数据并在原始数据中记录当前时间戳Ts2,在突发异常信号持续工作时间段记录每帧原始数据的当前时间戳T,当异常信号再次消失时原始数据记录Te2,依次类推进行突发异常信号原始数据的持续记录,直至控守到设定时长或人为停止控守。当停止异常信号控守后,自动读取异常信号原始数据进行分析,获取突发异常信号每个时刻的频谱、ITU参数、测向方位等同时统计出在控守时间范围内突发异常信号的每个工作周期内的统计信息,包括信号出现时间Ts1、信号消失时间Te1、信号持续时长Te1- Ts1,测向最优方位D1,工作时间Tsn、停止工作时间Ten、测向最优方位Dn、持续时长Ten- Tsn,并通过多站同时刻出现的最优方位值D对异常信号进行多站定位计算获取突发异常信号定位结果并在地图上绘制定位结果,实现突发异常信号出现的所有序列信息记录。可选地,可通过回放存储的原始数据对突发异常信号的频谱、IQ等进行人工分析。
将上述示例进行组合,得到本发明异常信号处理方法,如图2所示,包括以下步骤:
S1’’:突发异常信号控守,采集信号ITU参数、频谱数据等;
S2’’:判断异常信号是否大于控守门限,若是,进行频谱对比,若相似度大于设定值,进入步骤S3’’;若否,返回步骤S1’’;
S3’’:进行单频测向处理,获取示向度信息,并存储原始数据、示向度信息。
在一示例中,监测方法还包括异常信号属性判断步骤:
将异常信号的音频数据转换为文本数据;
根据关键词库对文本进行关键词检索,进而判断信号属性。
可选地,语音频数据转换为文本数据、关键词检索基于现有与自然语言处理服务器实现,将语音数据输入该自然语音处理器服务器即可得到对应的文本数据,在此基础上,通过对文本数据进行检索即可实现关键词检索(匹配),进而获取异常信号的语义信息,基于语义信息进而确定异常信号对应的信号属性,如用于***、黑广播等。
将上述示例进行组合,得到本发明异常信号发现及处理流程,如图3所示,包括以下步骤:
S1’’’:频段扫描;
S2’’’:采集无线电信号;
S3’’’:将无线电信号与台站数据进行比对,进而确定异常信号;
S4’’’:建立异常信号列表;
S5’’’:对异常信号列表中的频点进行中频测量、录音监听;
S6’’’:形成异常信号数据库,并将数据库信息进行上传;
S7’’’:对音频数据进行语音识别,实现音频数据的文本转换处理;
S8’’’:对文本进行关键词检索,基于关键词信息确定信号属性,即该异常信号对应的应用场景;
S9’’’:将异常信号推送至控制终端。
在一示例中,将异常信号的音频数据转换为文本数据前还包括音频信号分割步骤:
将音频信号段的平均短时能量、平均短时过零率与端点检测阈值进行比较,进而进行端点检测实现音频信号分割。具体地,采用基于端点检测的音频分割算法,在一段语音信号中,找到有效语音段的起始点和终止点的位置,并在此基础上,完成语音片段的分离。信号分割过程中,主要利用说话人在讲话时音频信号发生的变化,通过提取信号中的特征参数并与临界值进行比较,有效语音片段与空白片段或噪音片段、背景音频片段区分开,优选地,音频信号分割包括:
S71’’’:对音频信号进行预处理,分帧加窗;
S72’’’:对音频片段进行特征提取,并比较语音和噪声的差异;
S73’’’:每个参数选择门限值,用于检测、分割;
S74’’’:进行端点检测,确定语音段和静音段或背景音频片段,以此实现语音信号分割。音频信号在刚开始的一小段时间内,没有掺杂任何语音信号,但是存在背景音,不会是绝对的静音片段。利用语音信号短时能量、短时过零率这两个特征,通过观察语音信号图,区分静音部分和噪音部分。声波的振幅一般都很小,而语音部分的振幅会相对增大,一个信号的振幅可以直接反映信号能量的大小,因此语音片段的短时能量比较大。另一方面,汉语中一个字的发音包括声母和韵母,韵母中的元音能量较大,可通过短时能量确定语音中的韵母;声母由辅音构成,辅音的频率较高,故声母的短时过零率较大,进而可以利用上述原理确定整个音节。进行预处理和特征提取之后,音频信号被分为长度相同的片段,在短时能量图和短时平均过零率图中逐帧地与阈值进行比较,判断出可能的起止点。其中,阈值需要从音频开始一小段背景音中提取,计算该段音频的短时能量和短时过零率求平均值,得到两个参数短时平均能量ampth和短时平均过零率zcrth,进而进行端点检测实现音频的分割。本示例中,基于平均短时能量、平均短时过零率实现语音信号的分段,避免不同语句之间混合,后续文本转换及关键词提取能够以包含有效语音的句子为单位,即仅需对有效语音进行识别,避免对空白片段、噪音片段、背景音频片段进行识别,在语音识别效率提升的同时提升了语音识别的可靠度,同时降低了语义提取难度,保证了文本转换的准确性。同时,基于短时能量、短时过零率去除静音信号、噪音信号,保留含有语义信息的语音信号,保证了后续转换得到文本的有效性,同时降低了后续文本转换的计算量。
将上述示例进行组合,得到本发明的优选示例,此时监测方法包括以下步骤:
S1:频段扫描,采集无线电信号;
S2:将无线电信号与台站数据进行比对,进而确定异常信号;
S3:建立异常信号列表,对异常信号列表中的频点进行中频测量、录音监听;
S4:形成异常信号数据库,并将数据库信息进行上传;
S5:将音频信号段的平均短时能量、平均短时过零率与端点检测阈值进行比较,进而进行端点检测实现音频信号分割;对音频数据进行语音识别,实现音频数据的文本转换处理;对文本进行关键词检索,基于关键词信息确定信号属性;
同时,判断异常信号ITU幅度是否大于门限值,若大于,将原始异常信号进行存储,记录突发异常信号出现时间的时间戳、各帧异常信号对应的时间戳、异常信号持续时长,在异常信号消失时记录异常信号消失时间的时间戳;对各时段的原始异常信号进行分析,得到异常信号各时段的测向方位信息;对多站同时段出现的最优测向方位进行多站定位得到异常信号各时段定位信息;对定位信息进行聚合处理,得到异常信号的最终定位坐标。
基于上述优选方法,本发明具有的有益效果如下:
1、提升了监测网异常信号发现的自动化和智能化水平;下发自主任务后,监测人员无需做任何操作,能够自动完成全频段异常信号的自动发现、测量、语音采集、识别、上传工作,监测人员只需对发现的异常信号测量参数进行查看。
2、提升了全频段异常信号发现效率,解放了人力。本发明将异常信号语音转为文本,结合异常信号与正常信号语音内容的区别,设计关键词库,采用关键词检索方法,让机器通过“学习”去“听”和判断,实现自动化和智能化的异常信号识别发现,彻底解脱人工。
3、提升了监测网监测设备的使用效率,本发明基于下发的自主任务完成异常信号的自动发现、测量、语音内容识别等工作。在自主任务执行过程中,监测人员可随时调用设备进行应急监测,此时自主任务自动停止运行;当应急监测任务停止后,自主任务自动恢复运行,利用监测设备的闲时实现对异常信号的侦测。
4、使用语音识别技术提升异常信号识别的结果的可信度,全频段异常信号的关键字可通过播放存储的异常信号音频数据进行印证。采用人工智能语音识别相关技术对异常信号语音进行识别,对大量采集的数据进行数据挖掘,通过不断更新,最终能够更智能更准确的判定异常信号。
5、网络链接异常、拥堵时,可自动判断并在本地缓存数据,在网络恢复时自动恢复上传,实现了数据断网续传能力,提升了***的网络适应能力,确保了数据完整性。
6、异常信号的频率、语音特征,自动保存上传,在控制中心实现全网异常信号的语音和频谱、ITU的统一管理,实现多站信号比对,方便进行回看、回听和信号分析。
7、通过对突发异常信号长时侦测控守实现对突发异常信号获取突发异常信号的出现时间、持续时长、消失时间、电平均值、电平峰值、最优示向度方位统计,并完成多站自动定位,并通过聚合计算后给出定位的最大概率区域,定位精度、可信度更高。
本发明还提供了一种存储介质,与上述任一示例或多个示例组合形成的一种无线电信号监测方法具有相同的发明构思,其上存储有计算机指令,计算机指令运行时执行上述任一示例或多个示例组合形成的一种无线电信号监测方法的步骤。
基于这样的理解,本实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请还包括一种终端,与上述一种无线电信号监测方法对应的任一示例或多个示例组合具有相同的发明构思,包括存储器和处理器,存储器上存储有可在处理器上运行的计算机指令,处理器运行计算机指令时执行上述一种无线电信号监测方法的步骤。处理器可以是单核或者多核中央处理单元或者特定的集成电路,或者配置成实施本发明的一个或者多个集成电路。
在一示例中,终端即电子设备以通用计算设备的形式表现,电子设备的组件可以包括但不限于:上述至少一个处理单元(处理器)、上述至少一个存储单元、连接不同***组件(包括存储单元和处理单元)的总线。
其中,存储单元存储有程序代码,程序代码可以被处理单元执行,使得处理单元执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如,处理单元可以执行上述一种无线电信号监测方法。
存储单元可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)3201和/或高速缓存存储单元,还可以进一步包括只读存储单元(ROM)。
存储单元还可以包括具有一组(至少一个)程序模块的程序/实用工具,这样的程序模块包括但不限于:操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备也可以与一个或多个外部设备(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备交互的设备通信,和/或与使得该电子设备能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口进行。并且,电子设备还可以通过网络适配器与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器通过总线与电子设备的其它模块通信。应当明白,可以结合电子设备使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
通过以上的方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本示例性实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行本申请示例性实施例的方法。
本发明还包括一种无线电信号监测***,与上述监测方法具备相同的发明构思,该***包括互联的监测设备和控制中心,其中控制中心可以为PC机。
其中,监测设备包括频段扫描模块、异常信号识别模块和基础信息提取模块。其中,频段扫描模块用于进行频段扫描;异常信号识别模块用于将频段扫描得到的无线电信号与台站数据进行比对,进而确定异常信号;基础信息提取模块用于获取异常信号出现的各时段定位信息。
更为具体地,监测设备开机后自主监测,对预设的监测频段进行扫描监测、数据采集,在监测过程中自动完成与信号背景、台站库的比对,自动识别出异常信号并形成可疑异常信号列表。监测设备对可疑异常信号列表中的可疑异常信号依次触发单频测量,获取每个可疑异常信号的频率、幅度等ITU参数及音频数据,同时将采集可疑异常信号的ITU、频谱数据存储在设备数据库中,并将可疑异常信号相关的语音和参数测量结果上传到控制中心服务器数据中。可疑异常信号的测量结束后,自动恢复之前执行的自主任务。
进一步地,控制中心服务器将监测设备上报的语音内容、识别结果、判定结果等各种数据进行汇总保存,以便于对这些数据进行统计分析。若网络连接异常、拥堵时,可自动判断并在本地缓存数据,在网络恢复时自动恢复上传。
优选地,控制中心还包括音频分割模块,用于将音频信号段的平均短时能量、平均短时过零率与端点检测阈值进行比较,进而进行端点检测实现音频信号分割。
优选地,控制中心还包括语音识别模块,用于对上报的音频数据自动进行分析,即采用语音识别技术将语音转换为文本,并根据关键词库对文本进行关键词检索,判断是否包含关键词,最终判断信号的类型;整个过程不需要人工干预,可以大大提高***自动化程度。具体地,可疑异常音频具有语音和背景音频两大部分,背景音频部分不包含语音信息,为了提高识别效率,对可疑异常信号音频通过音频分割模块分割后,重点对语音就行识别。语音识别后,再进行关键词检索,如检索成功,则为异常信号;检索失败则该信号不为异常信号。可选地,根据异常信号频率、信号强度、频道台标信息、节目名称信息、是否有整点报时、台站数据库对比情况等信息,对异常信号属性进行判定;根据每个因素对判定结果的影响大小进行加权分析,最终给出异常信号的概率,能更大程度保证判定结果的准确性。
优选地,控制中心还包括关键词检索模块。具体地,语音识别服务从控制中心数据库中依次读取上报的异常信号信息获取异常信号的音频数据,并将获取的异常信号语音数据上传到文字识别单元进行语音识别,文字识别单元将识别后生成对应文本上传到语音识别服务,语音识别服务收到文字识别单元返回的文本信息后,通过关键字库的关键字依次在该文本中进行查询,如果文本中有当前查询的关键字进行记录,语音识别服务对识别完成的异常信号进行标识,避免重复进行识别。***关键词检索方法不是对语音进行直接关键查找,而是对语音转成文字后再进行检索,检索出的关键字可通过异常信号管理模块对异常信号的音频进行播放印证。
优选地,控制中心还包括分析处理模块,分析内容包括异常频率是否连续工作以及异常信号工作的时间段、某个频率端范围内发现过异常信号的个数等,为全面掌握异常频率的情况提供帮助。另外还可以根据大量语言识别的结果进行数据挖掘,丰富关键词库和关键词出现的频率特征,将词库中的关键词根据出现频率划分等级,进而可以提高识别准确率。
在一示例中,如图4所示,***包括若干监测设备,监测设备包括数字接收机,与数字接收机连接的监测天线。其中,数字接收机对监测天线辐射接收的信号进行处理和分析,将其转换成一系列的监测数据。监测天线接收空中信号传送到接收机的输入端,具有垂直极化和水平极化两种方式,以适应不同调制方式的监测工作。控制中心即PC机用来控制设备,通过网络完成与数字接收机的交互。
在一示例中,控制中心连接有上位机,用于实现全***的任务的统一协同控制,是***的控制核心。
在一示例中,***还包括用户控制终端,用于完成用户与***的人机交互,主要包括:1)语音关键字管理,主要完成语音关键字的查询、添加、删除、修改;2)任务管理模块,主要完成自主任务的查询、添加、删除、修改;3)异常信号管理模块,主要用于异常信号测量结果的展示及查询、添加、删除、修改;4)突发异常信号频谱样本管理模块,主要完成突发异常信号频谱样本的添加、查询、修改、删除。
本发明***采用了三级联网结构,支持多级、多中心组网,也支持单站运行操作,实现了全频段黑广播等异常信号自动发现,异常信号自动测量,异常信号信息自动上报,语音自动识别,告警自动警示等功能,提升监测***智能化水平,能够更好为无线电管理工作进行服务。
以上具体实施方式是对本发明的详细说明,不能认定本发明的具体实施方式只局限于这些说明,对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演和替代,都应当视为属于本发明的保护范围。
Claims (10)
1.一种无线电信号监测方法,其特征在于:包括以下步骤:
频段扫描,并与台站数据库比对,进而确定异常信号;
获取异常信号出现的各时段定位信息;
对定位信息进行聚合处理,得到异常信号的最终定位坐标。
3.根据权利要求1所述的一种无线电信号监测方法,其特征在于:所述获取异常信号出现的各时段定位信息包括:
对各时段的原始异常信号进行分析,得到异常信号各时段的测向方位信息;
对多站同时段出现的测向方位进行多站定位得到异常信号各时段定位信息。
4.根据权利要求3所述的一种无线电信号监测方法,其特征在于:所述对各时段的原始异常信号进行分析前还包括:
判断异常信号ITU幅度是否大于门限值,若大于,将原始异常信号进行存储,记录异常信号出现时间的时间戳、各帧异常信号对应的时间戳、异常信号持续时长,在异常信号消失时记录异常信号消失时间的时间戳。
5.根据权利要求1所述的一种无线电信号监测方法,其特征在于:所述确定异常信号后还包括:
建立异常信号列表,对异常信号列表中的频点进行中频测量,进而采集异常信号的ITU参数、频谱数据、音频数据。
6.根据权利要求1所述的一种无线电信号监测方法,其特征在于:所述方法还包括异常信号属性判断步骤:
将异常信号的音频数据转换为文本信息;
根据关键词库对文本进行关键词检索,进而判断信号属性。
7.根据权利要求6所述的一种无线电信号监测方法,其特征在于:所述将异常信号的音频数据转换为文本信息前还包括音频信号分割步骤:
将音频信号段的平均短时能量、平均短时过零率与端点检测阈值进行比较,进而进行端点检测实现音频信号分割。
8.一种无线电信号监测***,其特征在于:包括互联的监测设备和控制中心;
所述监测设备包括频段扫描模块、异常信号识别模块和基础信息提取模块;
频段扫描模块用于进行频段扫描;异常信号识别模块用于将频段扫描得到的无线电信号与台站数据库进行比对,进而确定异常信号;基础信息提取模块用于获取异常信号出现的各时段定位信息;
控制中心包括聚合定位模块,用于对定位信息进行聚合处理,得到异常信号的最终定位坐标。
9.根据权利要求8所述的一种无线电信号监测***,其特征在于:所述***包括若干监测设备,监测设备包括数字接收机,与数字接收机连接的监测天线。
10.根据权利要求8所述的一种无线电信号监测***,其特征在于:所述控制中心连接有上位机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310554057.5A CN116318457B (zh) | 2023-05-17 | 2023-05-17 | 一种无线电信号监测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310554057.5A CN116318457B (zh) | 2023-05-17 | 2023-05-17 | 一种无线电信号监测方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116318457A true CN116318457A (zh) | 2023-06-23 |
CN116318457B CN116318457B (zh) | 2023-08-01 |
Family
ID=86826180
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310554057.5A Active CN116318457B (zh) | 2023-05-17 | 2023-05-17 | 一种无线电信号监测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116318457B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117580081A (zh) * | 2024-01-15 | 2024-02-20 | 成都大公博创信息技术有限公司 | 一种重大活动保障指挥控制*** |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1988001061A1 (en) * | 1986-08-08 | 1988-02-11 | Ventana Sciences Inc. | Direction finding localization system |
JP2010134670A (ja) * | 2008-12-04 | 2010-06-17 | Alinco Inc | 異常電波監視システム |
JP2013009413A (ja) * | 2012-08-28 | 2013-01-10 | Sumitomo Electric Ind Ltd | 違法電波の判定方法、判定装置及びコンピュータプログラム |
CN103634060A (zh) * | 2013-11-14 | 2014-03-12 | 云南大学 | 一种实时无线电协同监测、检测与定位方法 |
CN103812577A (zh) * | 2012-11-06 | 2014-05-21 | 西南交通大学 | 非正常无线电信号的自动识别***及其方法 |
CN104994577A (zh) * | 2014-07-15 | 2015-10-21 | 中华电信股份有限公司 | 一种整合异质网络的行动定位的***及其应用方法 |
CN106100777A (zh) * | 2016-05-27 | 2016-11-09 | 西华大学 | 基于语音识别技术的广播保障方法 |
CN107276707A (zh) * | 2017-06-08 | 2017-10-20 | 国家无线电监测中心 | 一种基于多属性分析的黑广播自动化分析方法及智能化识别装置 |
CN109752600A (zh) * | 2019-01-14 | 2019-05-14 | 电子科技大学 | 基于软件定义无线电技术的异常电磁信号分析***及方法 |
CN112929103A (zh) * | 2021-01-26 | 2021-06-08 | 赵炳健 | 一种非法广播电台侦测方法和*** |
CN114143707A (zh) * | 2021-11-09 | 2022-03-04 | 上海仪电(集团)有限公司中央研究院 | 基于广播载荷编码及多维度修正的定位装置及管理*** |
-
2023
- 2023-05-17 CN CN202310554057.5A patent/CN116318457B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1988001061A1 (en) * | 1986-08-08 | 1988-02-11 | Ventana Sciences Inc. | Direction finding localization system |
JP2010134670A (ja) * | 2008-12-04 | 2010-06-17 | Alinco Inc | 異常電波監視システム |
JP2013009413A (ja) * | 2012-08-28 | 2013-01-10 | Sumitomo Electric Ind Ltd | 違法電波の判定方法、判定装置及びコンピュータプログラム |
CN103812577A (zh) * | 2012-11-06 | 2014-05-21 | 西南交通大学 | 非正常无线电信号的自动识别***及其方法 |
CN103634060A (zh) * | 2013-11-14 | 2014-03-12 | 云南大学 | 一种实时无线电协同监测、检测与定位方法 |
CN104994577A (zh) * | 2014-07-15 | 2015-10-21 | 中华电信股份有限公司 | 一种整合异质网络的行动定位的***及其应用方法 |
CN106100777A (zh) * | 2016-05-27 | 2016-11-09 | 西华大学 | 基于语音识别技术的广播保障方法 |
CN107276707A (zh) * | 2017-06-08 | 2017-10-20 | 国家无线电监测中心 | 一种基于多属性分析的黑广播自动化分析方法及智能化识别装置 |
CN109752600A (zh) * | 2019-01-14 | 2019-05-14 | 电子科技大学 | 基于软件定义无线电技术的异常电磁信号分析***及方法 |
CN112929103A (zh) * | 2021-01-26 | 2021-06-08 | 赵炳健 | 一种非法广播电台侦测方法和*** |
CN114143707A (zh) * | 2021-11-09 | 2022-03-04 | 上海仪电(集团)有限公司中央研究院 | 基于广播载荷编码及多维度修正的定位装置及管理*** |
Non-Patent Citations (3)
Title |
---|
SHENGJUN WU: "Illegal radio station localization with uav-based q-learning", 《CHINA COMMUNICATIONS》, vol. 15, no. 122 * |
武迎兵 魏泽华 汪庭霁: ""黑广播"移动监测定位方法研究", 《中国无线电》 * |
苏哲新: ""黑广播"的精准快速定位方法", 《电视技术》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117580081A (zh) * | 2024-01-15 | 2024-02-20 | 成都大公博创信息技术有限公司 | 一种重大活动保障指挥控制*** |
CN117580081B (zh) * | 2024-01-15 | 2024-03-19 | 成都大公博创信息技术有限公司 | 一种重大活动保障指挥控制*** |
Also Published As
Publication number | Publication date |
---|---|
CN116318457B (zh) | 2023-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102799605B (zh) | 一种广告监播方法和*** | |
CN110334241B (zh) | 客服录音的质检方法、装置、设备及计算机可读存储介质 | |
CN103971678B (zh) | 关键词检测方法和装置 | |
EP3839942A1 (en) | Quality inspection method, apparatus, device and computer storage medium for insurance recording | |
US10146868B2 (en) | Automated detection and filtering of audio advertisements | |
US9424743B2 (en) | Real-time traffic detection | |
CN116318457B (zh) | 一种无线电信号监测方法及*** | |
CN109326305B (zh) | 一种批量测试语音识别和文本合成的方法和测试*** | |
CN101159834A (zh) | 一种重复性视频音频节目片段的检测方法和*** | |
CN113066499B (zh) | 一种陆空通话说话人身份识别方法及装置 | |
CN111128134A (zh) | 声学模型训练方法和语音唤醒方法、装置及电子设备 | |
CN109995450B (zh) | 一种基于云技术语音识别与智能鉴别“黑广播”方法 | |
CN105338327A (zh) | 一种可通过语音识别的视频监控联网*** | |
CN101950564A (zh) | 一种远程数字化语音采集分析识别*** | |
CN109065024B (zh) | 异常语音数据检测方法及装置 | |
CN103426439B (zh) | 一种广播电视音频信号内容一致性检测方法 | |
CN116484052B (zh) | 一种基于大数据的教育资源共享*** | |
CN103985385A (zh) | 基于波谱特征鉴定蛙类个体信息的方法 | |
CN111063446B (zh) | 用于标准化医疗文本数据的方法、装置、设备及存储介质 | |
CN115985331B (zh) | 一种用于野外观测的音频自动分析方法 | |
CN111934800B (zh) | 一种广播内容监测方法及*** | |
CN116129909A (zh) | 一种基于聚类的声纹数据自动采集方法 | |
CN113572555B (zh) | 一种基于零样本学习的黑广播监测方法 | |
CN114822505A (zh) | 一种基于语音芯片的人物搜寻语音识别***及方法 | |
CN114121038A (zh) | 音响语音测试方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |